| 金光 勇慈 | M, 2回目発表 | ユビキタスコンピューティングシステム | 安本 慶一, | 中村 哲, | 諏訪 博彦, | 松田 裕貴 |
|
title: Estimating Congestion on a Route Bus by Using BLE
abstract: Information on congestion of buses, which are one of the major public transportation modes, can be very useful in light of the current COVID-19 pandemic. Because it is unrealistic to manually monitor the number of riders on all buses in operation, a system that can automatically monitor congestion is necessary. For practical operation, it is necessary to design a system that does not infringe on the privacy of passengers and ensures the safety of passengers and the installation sites. In this paper, we propose a congestion estimation system that protects passengers' privacy and reduces the installation cost by using Bluetooth low-energy (BLE) signals as sensing data. The proposed system consists of (1) a sensing mechanism that acquires BLE signals emitted from passengers' mobile terminals in the bus and (2) a mechanism that estimates the degree of congestion in the bus from the data obtained by the sensing mechanism. To evaluate the effectiveness of the proposed system, we conducted a data collection experiment on an actual bus route in cooperation with Nara Kotsu Co., Ltd. The results showed that the proposed system could estimate the number of passengers with a mean absolute error of 2.46 passengers (error rate of 35.4%). language of the presentation: Japanese 発表題目: BLEを用いた混雑度推定手法の提案 発表概要: 主要な公共交通機関の一つである路線バスにおいて，バス内の混雑情報は現在のコロナ禍の状況を鑑みても非常に有益なものとなりうる．実際に運行している路線バス全ての混雑情報を人手で把握することは非現実的であるため，自動的に混雑情報を把握できるシステムが必要となる．実運用を考えると，乗客のプライバシを侵害する恐れがなく，設置場所と乗客の安全が確保できるシステム設計が求められる．そこで本研究では，センシングデータとしてBLEを用いることで乗客のプライバシ保護と設置コストの低減を実現した混雑度推定システムを提案する．提案システムは，（１）バス内の乗客の携帯端末から発せられるBLE信号を取得するセンシング機構と，（２）センシング機構で得られたデータからバス内の混雑度を推定する推定機構からなる．提案システムの有効性を評価するために奈良交通株式会社の協力のもと，実際に運行する路線バスにおいてデータ収集実験を行い，機械学習モデルを構築して路線バス内の乗車人数を推定した結果，平均絶対誤差2.46人（誤差率35.4%）の精度で推定できることを示した． | ||||||
| 田谷 瑛悟 | M, 2回目発表 | ユビキタスコンピューティングシステム | 安本 慶一, | 中村 哲, | 諏訪 博彦, | 松田 裕貴 |
|
title: Proposal of a transportation route recommendation method by considering the psychological state to avoid the three Cs in public transportation
abstract: In the current COVID-19 epidemic, there is a need for a route recommendation system to avoid three Cs in public transportation. However, there is no system that can recommend routes with low contact risk by considering the number of people using the transportation system. In this research, I propose a route recommendation method that enables users to avoid three Cs while reducing the resources consumed by travel, such as time and cost. In this presentation, I report the algorithm based on NSGA-III, which is one of genetic algorithms, and the design an evaluation experiment for the Nara City area in Nara Prefecture. language of the presentation: Japanese 発表題目:公共交通機関利用時の接触リスクを考慮した三密を回避するための交通経路推薦手法の検討 発表概要:現在，COVID-19の流行に伴って，三密を回避するための経路推薦システムが求められている． 既存の研究において混雑を考慮した経路を推薦するシステムは存在するが，交通機関の利用人数を考慮し，接触リスクの低い経路を推薦できるシステムは我々の知る限り存在しない． 本研究では，時間や費用などの移動に伴って消費するリソースを抑えつつ，ユーザが三密を回避できる経路推薦手法を提案する． 本発表では，遺伝的アルゴリズムの一つであるNSGA-IIIに基づくアルゴリズム，および奈良県奈良市地域を対象にした評価実験の設計について報告する． | ||||||
| 山田 理 | M, 2回目発表 | ユビキタスコンピューティングシステム | 安本 慶一, | 中村 哲, | 諏訪 博彦, | 松田 裕貴 |
|
title: Crowd flow Prediction using time series of the number of people staying by PoI
abstract: Predicting crowd flow is important for decision making to reduce the risk of COVID-19. Human behavior consists of two components, spatial and temporal features, and highly accurate prediction models have been constructed by combining these features. A method using PoI (point of interest) information, which expresses the characteristics of a place, has been proposed as a spatial feature. However, since people do not move randomly but visit and stay at several PoIs with some purpose, it is considered that there is a typical pattern of movement between PoIs which has not yet been taken into account in predicting the crowd flow. Therefore, we believe that using the time-series information of the PoI will make a significant contribution in prediction. In this study, we propose a new crowd flow prediction method that takes into account the movement of people between PoIs. Since crowd flow can be thought of as a continuous snapshot of the number of people in an area (mesh), we employ the approach which train an ML model in a neighboring mesh that predicts the number of people in an area a few minutes to a few hours from now, based on the number of people who stayed in each PoI (category) in the past at each time interval (stay counts of each PoI category). We applied our approach to three areas in Tokyo(Tokyo Station, Shinagawa Station and Shinjuku Station) and evaluated the results. As a result, the accuracy of the proposed method with stay counts of each PoI category was improved by about 50% compared with the method without them , indicating the effectiveness. language of the presentation: Japanese 発表題目: PoI別時系列滞在人数情報用いたメッシュにおける混雑度予測 発表概要: 人流予測は、COVID-19の感染リスクを減らすための行動決定において重要になってくる。人の行動は空間的特徴と時間的特徴の2つの要素からなり、これらの特徴を組み合わせることで精度の高い予測モデルが構築されてきた。 その中でも空間的特徴として、場所の特徴を表現するPoI (Point of interest)情報を用いた手法が提案されている。 しかし、人はランダムに移動するのではなく何らかの目的を持った上で複数のPoIに訪れ、滞在するため、PoI間の移動には群衆の流れを予測する上でまだ考慮されていない典型的なパターンがあると考えられる。 そのため、空間的特徴だけではなく、PoIの時系列的な情報が行動予測において大きく寄与すると考える。本研究では、PoI間の人の動きを考慮した新しい群集フロー予測手法を提案する。 群集の流れは、小さなエリア（メッシュ）における人数の連続的なスナップショットとして考えられるため、各時間間隔での各PoI（カテゴリー）における過去の滞在人数(PoI別時系列滞在人数情報)から、 数分から数時間後のエリアにおける人の数を予測するMLモデルを近隣のエリアで学習するアプローチを行った。提案した手法を東京の3つの地域（東京駅、品川駅、新宿駅）に適用し、評価を行った。 その結果、PoI別時系列滞在人数情報を用いる手法は、用いない場合と比較して3時間後の予測において約50%精度が向上し、PoI別時系列滞在人数情報の有効であることが示された。 | ||||||